CN109637674B - 自动获取健康医疗问题答案的方法、系统、介质和设备 - Google Patents
自动获取健康医疗问题答案的方法、系统、介质和设备 Download PDFInfo
- Publication number
- CN109637674B CN109637674B CN201811280363.XA CN201811280363A CN109637674B CN 109637674 B CN109637674 B CN 109637674B CN 201811280363 A CN201811280363 A CN 201811280363A CN 109637674 B CN109637674 B CN 109637674B
- Authority
- CN
- China
- Prior art keywords
- text information
- information
- word
- intention
- voice signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Pathology (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供的自动获取健康医疗问题答案的方法、系统、介质和设备,其中的方法,包括如下步骤:获取与健康医疗问题相对应的文本信息;解析所述文本信息以获取所述文本信息对应的意图类别和实体信息;所述意图类别至少包括科类判断、成因判断和解决方法中的至少一种;所述实体信息包括表象数据;根据所述意图类别和所述实体信息获取匹配的目标答案源及与所述目标答案源匹配的目标答案模板;将所述目标答案源与所述目标答案模板组合后得到答案信息并输出。以上方案中,意图类别能够从用户输入的自由表达方式中先确定出用户的意图所在,之后在结合实体信息即可准确确定问题的答案,相比于现有技术中训练数学模型的方式更易于投入实际应用。
Description
技术领域
本发明涉及医学数据处理的技术领域,具体涉及一种自动获取健康医疗问题答案的方法、系统、介质和设备。
背景技术
目前国内外能把健康医疗领域的自动问答系统做到实用阶段(高精度回答)的几乎没有。其主要难点在于健康医疗领域的自动问答系统中涉及到的用户、语言形式及所表达的内容变化性极强,不同用户都自然语言形式自由表达。
在近些年,有一些技术领域中出现了基于深度学习的自动问答技术,但是其严重依赖训练数据量,因此比较适用于数据量较少或者数据内容较为集中的领域,而无法适用于数据量大且多样性强的健康医疗领域。如果在健康医疗领域采用数学模型对数据进行训练以实现自动问答的话,极有可能因为数据量不足的原因导致回答的准确性较低,无法保证回答的质量和满意度。因此,亟需一种健康医疗领域下的自动问答方法和系统以解决上述问题。
发明内容
本发明旨在提供一种自动获取健康医疗问题答案的方法、系统、介质和设备,以解决现有技术中没有适于健康医疗领域的高质量的自动问答解决方案的技术问题。
为此,本发明提供一种自动获取健康医疗问题答案的方法,包括如下步骤:
获取与健康医疗问题相对应的文本信息;
解析所述文本信息以获取所述文本信息对应的意图类别和实体信息;所述意图类别至少包括科类判断、成因判断和解决方法中的至少一种;所述实体信息包括表象数据;
根据所述意图类别和所述实体信息获取匹配的目标答案源及与所述目标答案源匹配的目标答案模板;
将所述目标答案源与所述目标答案模板组合后得到答案信息并输出。
优选地,上述的自动获取健康医疗问题答案的方法,解析所述文本信息以获取所述文本信息对应的意图类别和实体信息的步骤中包括:
对所述文本信息进行分词处理,得到词语集合;
将词语集合中的每一词语与每一意图类别词库中的基本词语进行比较,若某一词语与某一意图类别词库中的基本词语相匹配则将该词语划分至该意图类别数据库中的目标词语集合中;
确定目标词语数量最多的目标词语集合对应的意图类别作为所述文本信息对应的意图类别。
优选地,上述的自动获取健康医疗问题答案的方法,对所述文本信息进行分词处理,得到词语集合的步骤中:
获取文本信息的总字数N,将N/2作为分词处理中每一词语中包含字数的最大值;
对所述文本信息进行分词处理得到所有字数为n的词语,其中n为整数且1≤n≤N/2。
优选地,上述的自动获取健康医疗问题答案的方法,获取与健康医疗问题相对应的文本信息的步骤中包括:
获取与健康医疗问题对应的语音信号;
解析所述语音信号,将所述语音信号转换为文本信息。
优选地,上述的自动获取健康医疗问题答案的方法,解析所述语音信号,将所述语音信号转换为文本信息的步骤中还包括:
获取所述语音信号的声纹信息,根据所述声纹信息得到所述语音信号的语调变化数据;
根据所述语调变化数据确定所述语音信号的语气类别,并将所述语气类别转换为语气文本信息;
解析所述语音信号,将所述语音信号中的语音识别为第一文本信息,将所述第一文本信息与所述语气文本信息结合后作为所述文本信息。
优选地,上述的自动获取健康医疗问题答案的方法,解析所述文本信息以获取所述文本信息对应的意图类别和实体信息的步骤中:
采用正则表达式或词典匹配的方法获取所述文本信息中的实体信息。
本发明还提供一种计算机可读存储介质,所述存储介质中存储有程序指令,计算机读取所述程序指令后执行以上任一项所述的自动获取健康医疗问题答案的方法。
本发明还提供一种电子设备,包括至少一个处理器和至少一个存储器,至少一个所述存储器中存储有程序指令,至少一个所述处理器读取所述程序指令后执行以上任一项所述的自动获取健康医疗问题答案的方法。
基于同一发明构思,本发明还提供一种自动获取健康医疗问题答案的系统,包括:
输入组件,所述输入组件供用户输入健康医疗问题;
控制器,获取与健康医疗问题相对应的文本信息;
解析所述文本信息以获取所述文本信息对应的意图类别和实体信息;所述意图类别至少包括科类判断、成因判断和解决方法中的至少一种;所述实体信息包括表象数据;根据所述意图类别和所述实体信息获取匹配的目标答案源及与所述目标答案源匹配的目标答案模板;将所述目标答案源与所述目标答案模板组合后得到答案信息并输出。
优选地,上述的自动获取健康医疗问题答案的系统,还包括播放器:
所述输入组件为接收语音信号输入的麦克风;
所述控制器还用于获取与健康医疗问题对应的语音信号;解析所述语音信号,将所述语音信号转换为文本信息;所述控制器还用于将所述答案信息转换为音频信号后输出;
所述播放器接收所述控制器输出的所述音频信号并播放。
本发明提供的上述技术方案,与现有技术相比,至少具有如下有益效果:
本发明提供的自动获取健康医疗问题答案的方法、系统、介质和设备,其中的方法,包括如下步骤:获取与健康医疗问题相对应的文本信息;解析所述文本信息以获取所述文本信息对应的意图类别和实体信息;所述意图类别至少包括科类判断、成因判断和解决方法中的至少一种;所述实体信息包括表象数据;根据所述意图类别和所述实体信息获取匹配的目标答案源及与所述目标答案源匹配的目标答案模板;将所述目标答案源与所述目标答案模板组合后得到答案信息并输出。其中的意图类别是根据健康医疗技术领域进行划分的,其中的实体也是根据医疗技术领域进行选择设定的,通过解析问题文本得到意图类别和实体信息,结合这两者来确定问题的答案,意图类别能够从用户输入的自由表达方式中先确定出用户的意图所在,之后在结合实体信息即可准确确定问题的答案,整个过程简单容易实现,相比于现有技术中训练数学模型的方式更易于投入实际应用。
附图说明
图1为本发明一个实施例所述自动获取健康医疗问题答案的方法流程图;
图2为本发明另一个实施例所述自动获取健康医疗问题答案的方法流程图;
图3为本发明一个实施例所述电子设备的结构示意图;
图4为本发明一个实施例所述自动获取健康医疗问题答案的系统的结构框图。
具体实施方式
下面将结合本实施例中附图,对本发明中的技术方案进行示例描述。在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明的简化描述,而不是指示或暗示所指的装置或组件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。其中,术语“第一位置”和“第二位置”为两个不同的位置。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个组件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
本实施例提供一种自动获取健康医疗问题答案的方法,所述方法可以应用于计算机设备中,如图1所示,包括如下步骤:
S101:获取与健康医疗问题相对应的文本信息;所述健康医疗问题由用户输入,其输入的可以是文本类信息、图片类信息或者语音类信息。当获取到相应类型的信息后,如果是文本类信息则不需要进行转换,如果是图片类信息或者语音类信息的话,则需要通过图像识别技术和语音识别技术将其中所包含的关键信息转换为文本信息。
S102:解析所述文本信息以获取所述文本信息对应的意图类别和实体信息;所述意图类别至少包括科类判断、成因判断和解决方法中的至少一种;所述实体信息包括表象数据。其中如图2,所述实体信息采用正则表达式或词典匹配的方法获取所述文本信息中的实体信息。
本步骤中,确定意图类别的本质是文本分类,任何一种监督学习算法都可以用来做文本分类任务,本方案中优选SVM(Support Vector Machine)算法。SVM算法有健全的理论支撑,其凸优化的特性可保证全局最优解而非局部最优解,SVM在基于中小样本训练集的模型短文本分类时,预测准确度和预测速度明显优于其他算法模型。构建意图识别模型。我们选择TextGrocery,一个python基于源码为liblinear(C&C++)的SVM开源工具,特点是封装非常简洁易用,准确率高。调用时只需传入训练文本集即可,无需手动调整SVM核函数等参数。训练并保存模型,之后便可直接预测未标注问题。本实施例中所述获取训练模型的方式可采用现有方法。例如,如图2中所示,可以预先根据录入的语音数据和文本数据收集到真实的用户问题大约2万条(文本采集步骤)。这些问题可以是将语音转文字之后的结果,也可以直接是文字形式的问题,这些问题都比较短且可能有不通顺或者不完整的表达,为了能保证本方法可以实现排除类似的无效问题而非被错误识别为正常意图,可以优选将这类无效数据作为其他意图(文本预处理步骤)。因此,当实际应用时,可以对用户的其他用途进行排除。通过对有用数据进行总结和分类,确定其中所可能涵盖的所有意图,例如:科类判断(即询问属于何种疾病)、成因判断(即询问何种原因)和解决方法(即如何去做)。举例来说:
文本信息为:为什么咳嗽?//口臭是怎么回事?其中,“为什么?”“怎么回事”即为询问何种原因。而其中的“咳嗽”“口臭”为症状描述或者也可以为疾病种类的描述。又比如,文本信息为:可以熬夜吗?//抽烟好不好?其中的“熬夜”和“抽烟”表示生活习惯,“可以”“好不好”表示的是是否可以这样做,即如何去做。诸如上述所概括的症状、疾病种类、原因、生活习惯、如何去做等等均可作为一种意图类别。
而实体信息即可包括与健康医疗领域相关的实际生理或心理或者仪器检测结果等信息。例如,抑郁,焦虑,血压,体温,血脂等。以上方案中,根据总结出的意图和实体进行增广,即利用实体值或者不同表达方式等来等同相应的描述,从而能够适用于不同表达习惯、输入习惯等。
因此,本步骤能够根据与问题对应的文本确定其关键的实体信息、又能够根据意图类别确定问题想要解决的是哪一方面的疑问,由此能够更为准确地确定相应的答案。
S103:根据所述意图类别和所述实体信息获取匹配的目标答案源及与所述目标答案源匹配的目标答案模板。根据意图类别和实体信息能够明确答案的主体。例如,问题是咳嗽应该吃什么药?则答案中可提供与治疗各种原因引起的咳嗽相对应的药品名称及服用方法。问题是咳嗽是否会引起其他病症?则答案中可提供由于咳嗽引起的各种病症。以上两个问题中,实体信息识别后可能均是“咳嗽”,但是意图却有所不同,一个是想了解如何用药,一个是想了解是否会引起其他病症。因此,本实施例中的方案通过结合意图类型和实体信息两者共同确定答案,由此能够更加符合用户的实际需求。
另外,对不同类型的答案,其可能会采用不同的表达模板,例如,给出用药建议的时候,可能模板表达为:药物名称+治疗病症+使用方法+使用时间。而对于疾病引起原因的答案,表达模板可以为:疾病症状+症状持续时长+其他相关症状+预测原因。对于每一答案源,当确定好之后即可能够根据答案源确定模板,相应的将答案源中的相关信息填充至答案模板中即可。
S104:将所述目标答案源与所述目标答案模板组合后得到答案信息并输出。本步骤中所提到的输出答案可以根据答案的类型来确定输出方式。例如,可以通过显示文本、播放语音信号的形式来提供答案。
本实施例提供的以上方案,获取到问题后,通过被抽出的实体结合意图类型一起来去匹配一套答案,若果被匹配上,则根据实体和意图去数据库寻找答案源并与答案模板组装成最终答案。本实施例提供的上述方案,其中的意图类别是根据健康医疗技术领域进行划分的,其中的实体也是根据医疗技术领域进行选择设定的,通过解析问题文本得到意图类别和实体信息,结合这两者来确定问题的答案,意图类别能够从用户输入的自由表达方式中先确定出用户的意图所在,之后在结合实体信息即可准确确定问题的答案,整个过程简单容易实现,相比于现有技术中训练数学模型的方式更易于投入实际应用。能够为普通用户提供精准的健康相关的自动问答服务,提高健康咨询的效率。
以上方案中,所述步骤S102中的解析所述文本信息以获取所述文本信息对应的意图类别和实体信息的步骤中包括:
S21:对所述文本信息进行分词处理,得到词语集合;可以采用结巴分词法进行分词。具体地,可以获取文本信息的总字数N,将N/2作为分词处理中每一词语中包含字数的最大值;对所述文本信息进行分词处理得到所有字数为n的词语,其中n为整数且1≤n≤N/2。例如,“咳嗽吃什么药”这句话中共有六个字,则可以以3作为词语中字数最大值。因此可以将上述文本分词处理,按照一个字一个词,两个字一个词和三个字一个词进行分词,得到所有的词语。因此可以得到“咳”“嗽”“吃”“什”“么”“药”“咳嗽”“嗽吃”“吃什”“什么”“么药”“咳嗽吃”“嗽吃什”“吃什么”“什么药”。
S22:将词语集合中的每一词语与每一意图类别词库中的基本词语进行比较,若某一词语与某一意图类别词库中的基本词语相匹配则将该词语划分至该意图类别数据库中的目标词语集合中;将步骤S21中得到的所有词语与意图类别数据库中的基本词语进行比较,意图类别数据库的形成可如前所述,通过预先采集2万条数据进行分析提取相应类别的基本词语汇总后形成意图类别数据库。上述词语中,通过匹配后可能得到如下有用的词语:“咳”“药”“咳嗽”“什么”“吃什么”“什么药”。其中,“咳”和“咳嗽”可以认为是症状,“药”“什么”“吃什么”“什么药”,可以认为是该如何去做。
S23:确定目标词语数量最多的目标词语集合对应的意图类别作为所述文本信息对应的意图类别。通过步骤S22中的分词匹配结果,能够确定用户的问题中主要想确定如何去做。在这其中又涉及到什么药这样的词语,症状又确定了是咳嗽,因此即可确定出答案是为用户提供治疗咳嗽的药物。
进一步地,如前所述,用户可以直接输入语音信号和图像信号,由此通过对语音和图像进行识别即可确定文本信息。因此,在上述方案的基础上,还包括:获取与健康医疗问题对应的语音信号;解析所述语音信号,将所述语音信号转换为文本信息。进一步地,将所述语音信号转换为文本信息的步骤中还包括:获取所述语音信号的声纹信息,根据所述声纹信息得到所述语音信号的语调变化数据;根据所述语调变化数据确定所述语音信号的语气类别,并将所述语气类别转换为语气文本信息;解析所述语音信号,将所述语音信号中的语音识别为第一文本信息,将所述第一文本信息与所述语气文本信息结合后作为所述文本信息。
通过解析声纹信息,能够确定用户的语调、语气等,一般情况下,用户问问题时的语调会上升或者说有特定的规律,在建立意图类型数据库时,就可以将用于输入语音信号的情况下的声纹分析结果作为参考,例如“该吃什么药呢?”“这样行不行?”“需要进一步检查吗?”等疑问语气,声音的变化规律是相似的。又比如“最近睡眠不好”“咳嗽了一个星期”等陈述类型的表述声音变化规律也是相似的。可以根据声纹确定用户在讲话时的语调和声音变化规律,利用这一信息辅助判断用户的意图类型,以便能够更好的确定意图,从而得到更准确的答案。
实施例2
本实施例提供一种计算机可读存储介质,所述存储介质中存储有程序指令,计算机读取所述程序指令后执行实施例1中提供的任意自动获取健康医疗问题答案的方法。
实施例3
本实施例提供一种电子设备,如图3所示,包括至少一个处理器301和至少一个存储器302,至少一个所述存储器302中存储有程序指令,至少一个所述处理器301读取所述程序指令后执行实施例1中提供的自动获取健康医疗问题答案的方法。
实施例4
本实施例提供一种自动获取健康医疗问题答案的系统,如图4所示,包括:
输入组件401,所述输入组件401供用户输入健康医疗问题,所述输入组件401可以为触摸屏、机械键盘等形式;控制器402,获取与健康医疗问题相对应的文本信息;解析所述文本信息以获取所述文本信息对应的意图类别和实体信息;所述意图类别至少包括科类判断、成因判断和解决方法中的至少一种;所述实体信息包括表象数据;根据所述意图类别和所述实体信息获取匹配的目标答案源及与所述目标答案源匹配的目标答案模板;将所述目标答案源与所述目标答案模板组合后得到答案信息并输出。
如图4所示,作为一种优选的实现方案,上述自动获取健康医疗问题答案的系统还可以包括播放器403。相应地,所述输入组件401为接收语音信号输入的麦克风;所述控制器402还用于获取与健康医疗问题对应的语音信号;解析所述语音信号,将所述语音信号转换为文本信息;所述控制器402还用于将所述答案信息转换为音频信号后输出;所述播放器403接收所述控制器输出的所述音频信号并播放。
本实施例提供的系统,其中的意图类别是根据健康医疗技术领域进行划分的,其中的实体也是根据医疗技术领域进行选择设定的,通过解析问题文本得到意图类别和实体信息,结合这两者来确定问题的答案,意图类别能够从用户输入的自由表达方式中先确定出用户的意图所在,之后在结合实体信息即可准确确定问题的答案,整个过程简单容易实现,相比于现有技术中训练数学模型的方式更易于投入实际应用。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.一种自动获取健康医疗问题答案的方法,其特征在于,包括如下步骤:
获取与健康医疗问题相对应的文本信息;
解析所述文本信息以获取所述文本信息对应的意图类别和实体信息;所述意图类别至少包括科类判断、成因判断和解决方法中的至少一种;所述实体信息包括表象数据;
根据所述意图类别和所述实体信息获取匹配的目标答案源及与所述目标答案源匹配的目标答案模板;
将所述目标答案源与所述目标答案模板组合后得到答案信息并输出;
其中,解析所述文本信息以获取所述文本信息对应的意图类别和实体信息的步骤中包括:
对所述文本信息进行分词处理,得到词语集合;
将词语集合中的每一词语与每一意图类别词库中的基本词语进行比较,若某一词语与某一意图类别词库中的基本词语相匹配则将该词语划分至意图类别数据库中的目标词语集合中;
确定目标词语数量最多的目标词语集合对应的意图类别作为所述文本信息对应的意图类别;实体信息为与健康医疗领域相关的实际生理或心理或者仪器检测结果信息;对所述文本信息进行分词处理,得到词语集合的步骤中:获取文本信息的总字数N,将N/2作为分词处理中每一词语中包含字数的最大值;对所述文本信息进行分词处理得到所有字数为n的词语,其中n为整数且1≤n≤N/2。
2.根据权利要求1所述的自动获取健康医疗问题答案的方法,其特征在于,获取与健康医疗问题相对应的文本信息的步骤中包括:
获取与健康医疗问题对应的语音信号;
解析所述语音信号,将所述语音信号转换为文本信息。
3.根据权利要求2所述的自动获取健康医疗问题答案的方法,其特征在于,解析所述语音信号,将所述语音信号转换为文本信息的步骤中还包括:
获取所述语音信号的声纹信息,根据所述声纹信息得到所述语音信号的语调变化数据;
根据所述语调变化数据确定所述语音信号的语气类别,并将所述语气类别转换为语气文本信息;
解析所述语音信号,将所述语音信号中的语音识别为第一文本信息,将所述第一文本信息与所述语气文本信息结合后作为所述文本信息。
4.根据权利要求1-3任一项所述的自动获取健康医疗问题答案的方法,其特征在于,解析所述文本信息以获取所述文本信息对应的意图类别和实体信息的步骤中:
采用正则表达式或词典匹配的方法获取所述文本信息中的实体信息。
5.一种计算机可读存储介质,其特征在于,所述存储介质中存储有程序指令,计算机读取所述程序指令后执行权利要求1-4任一项所述的自动获取健康医疗问题答案的方法。
6.一种电子设备,其特征在于,包括至少一个处理器和至少一个存储器,至少一个所述存储器中存储有程序指令,至少一个所述处理器读取所述程序指令后执行权利要求1-4任一项所述的自动获取健康医疗问题答案的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811280363.XA CN109637674B (zh) | 2018-10-30 | 2018-10-30 | 自动获取健康医疗问题答案的方法、系统、介质和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811280363.XA CN109637674B (zh) | 2018-10-30 | 2018-10-30 | 自动获取健康医疗问题答案的方法、系统、介质和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109637674A CN109637674A (zh) | 2019-04-16 |
CN109637674B true CN109637674B (zh) | 2022-12-20 |
Family
ID=66066903
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811280363.XA Active CN109637674B (zh) | 2018-10-30 | 2018-10-30 | 自动获取健康医疗问题答案的方法、系统、介质和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109637674B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109840280B (zh) * | 2019-03-05 | 2023-07-18 | 百度在线网络技术(北京)有限公司 | 一种文本分类方法、装置及计算机可读存储介质 |
CN110176311A (zh) * | 2019-05-17 | 2019-08-27 | 北京印刷学院 | 一种基于对抗神经网络的自动医疗方案推荐方法和系统 |
CN110176315B (zh) * | 2019-06-05 | 2022-06-28 | 京东方科技集团股份有限公司 | 医疗问答方法及系统、电子设备、计算机可读介质 |
CN111063429A (zh) * | 2019-10-25 | 2020-04-24 | 中国科学院自动化研究所 | 一种医疗咨询方法、装置、设备和计算机可读存储介质 |
CN110837549B (zh) * | 2019-11-06 | 2023-08-11 | 腾讯科技(深圳)有限公司 | 一种信息处理方法、装置及存储介质 |
CN111209385B (zh) * | 2020-01-14 | 2024-02-02 | 重庆兆光科技股份有限公司 | 一种基于凸神经网络的咨询对话唯一答案寻优方法 |
CN111723559B (zh) * | 2020-06-19 | 2023-06-23 | 思必驰科技股份有限公司 | 一种实时信息抽取方法及装置 |
CN112052297B (zh) * | 2020-09-07 | 2024-03-22 | 抖音视界有限公司 | 信息生成方法、装置、电子设备和计算机可读介质 |
CN112328771A (zh) * | 2020-11-19 | 2021-02-05 | 广州极飞科技有限公司 | 服务信息输出方法、装置、服务器及存储介质 |
CN116936131A (zh) * | 2023-09-14 | 2023-10-24 | 北京健康有益科技有限公司 | 基于aigc的母婴营养咨询系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104407834A (zh) * | 2014-11-13 | 2015-03-11 | 腾讯科技(成都)有限公司 | 信息输入方法和装置 |
CN104598445A (zh) * | 2013-11-01 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 自动问答系统和方法 |
CN107871496A (zh) * | 2016-09-23 | 2018-04-03 | 北京眼神科技有限公司 | 语音识别方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017022015A1 (ja) * | 2015-07-31 | 2017-02-09 | 株式会社FiNC | 健康管理サーバおよび健康管理サーバ制御方法並びに健康管理プログラム |
-
2018
- 2018-10-30 CN CN201811280363.XA patent/CN109637674B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104598445A (zh) * | 2013-11-01 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 自动问答系统和方法 |
CN104407834A (zh) * | 2014-11-13 | 2015-03-11 | 腾讯科技(成都)有限公司 | 信息输入方法和装置 |
CN107871496A (zh) * | 2016-09-23 | 2018-04-03 | 北京眼神科技有限公司 | 语音识别方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109637674A (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109637674B (zh) | 自动获取健康医疗问题答案的方法、系统、介质和设备 | |
CN112015917A (zh) | 基于知识图谱的数据处理方法、装置及计算机设备 | |
CN106073706B (zh) | 一种面向简易精神状态量表的个性化信息和音频数据分析方法及系统 | |
CN112667799B (zh) | 一种基于语言模型和实体匹配的医疗问答系统构建方法 | |
Nishimoto et al. | The role of imagery-related properties in picture naming: A newly standardized set of 360 pictures for Japanese | |
KR102298330B1 (ko) | 음성인식과 자연어 처리 알고리즘을 통해 의료 상담 요약문과 전자 의무 기록을 생성하는 시스템 | |
CN113380234B (zh) | 基于语音识别生成表单的方法、装置、设备及介质 | |
CN111524578B (zh) | 一种基于电子心理沙盘的心理评估装置、方法及系统 | |
CN114898861A (zh) | 基于全注意力机制的多模态抑郁症检测方法和系统 | |
Samareh et al. | Detect depression from communication: How computer vision, signal processing, and sentiment analysis join forces | |
CN113243918B (zh) | 基于多模态隐匿信息测试的风险检测方法及装置 | |
CN113035232B (zh) | 一种基于语音识别的心理状态预测系统、方法及装置 | |
CN112086169B (zh) | 采用心理数据标签化建模的交互式心理疏导系统 | |
CN111145903A (zh) | 获取眩晕症问诊文本的方法、装置、电子设备及问诊系统 | |
CN114898860A (zh) | 基于跨模态transformer的多模态焦虑症检测方法和系统 | |
Li et al. | Improvement on speech depression recognition based on deep networks | |
KR102670492B1 (ko) | 인공지능을 활용한 심리 상담 방법 및 장치 | |
Wang et al. | Speech emotion verification using emotion variance modeling and discriminant scale-frequency maps | |
Parker et al. | Inconsistent language lateralisation–Testing the dissociable language laterality hypothesis using behaviour and lateralised cerebral blood flow | |
JP2017167738A (ja) | 診断処理装置、診断処理システム、サーバ、端末装置、診断処理方法及びプログラム | |
CN116778921A (zh) | 语音交流的情感分析智能会话系统、方法、设备及介质 | |
Freedman et al. | Using whole-word production measures to determine the influence of phonotactic probability and neighborhood density on bilingual speech production | |
Hezarjaribi et al. | S2NI: A mobile platform for nutrition monitoring from spoken data | |
CN116469505A (zh) | 数据处理方法、装置、计算机设备及可读存储介质 | |
CN116168793A (zh) | 体检数据的处理分析方法及相关设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |